นักวิจัยจากมหาวิทยาลัย Shanghai Jiao Tong University และกลุ่มเทคโนโลยีจีน Tencent ได้พัฒนา ProAct ซึ่งเป็นตัวแทน AI ออกแบบมาเพื่อคาดการณ์ความต้องการของผู้ใช้ก่อนที่ผู้ใช้จะส่งคำถาม ระบบใช้ช่วงเวลาว่างระหว่างการสนทนาเพื่อทบทวนปฏิสัมพันธ์ในอดีตและเตรียมข้อมูลล่วงหน้า จากรายงานวิจัย ProAct ทำได้ดีกว่าระบบ AI แบบเชิงรุกก่อนหน้าในการทดสอบตามเกณฑ์มาตรฐาน แม้การทดลองจะไม่ได้มีผู้ใช้จริงก็ตาม งานพัฒนานี้มุ่งแก้ปัญหาที่นักวิจัยอธิบายว่าเป็นโอกาสในการคำนวณที่สูญเปล่าในตัวแทน AI ในปัจจุบันที่ยังคง “ตอบสนอง” เป็นหลัก
ระบบทำงานผ่านกระบวนการคาดการณ์หลายขั้นตอน
ProAct ทำงานผ่านหลายขั้นตอนที่ทำให้แตกต่างจากตัวแทน AI ทั่วไป ขั้นแรกที่เรียกว่า Future-State Prediction วิเคราะห์บทสนทนาในอดีต ความชอบของผู้ใช้ และข้อมูลที่ขาดหายไป เพื่อคาดการณ์คำถามติดตามผลที่มีแนวโน้มจะเกิดขึ้น ขั้นที่สอง Idle-Time Acquisition ประเมินว่าการคาดการณ์ใดควรได้รับการค้นคว้าเพิ่มเติม โดยพิจารณาจากความเกี่ยวข้อง เวลา และประโยชน์ที่เป็นไปได้ของข้อมูลใหม่ ระบบอีกส่วนหนึ่งเป็นผู้ตัดสินใจว่าจะนำเสนอข้อมูลที่เตรียมไว้ทันที เก็บไว้ใช้ในภายหลัง หรือจัดเก็บไว้จนกว่าจะจำเป็น
“หลังจากการปฏิสัมพันธ์ในส่วนที่อยู่เบื้องหน้าแต่ละครั้ง ตัวแทนจะอัปเดตหน่วยความจำ คาดการณ์ความต้องการในอนาคต จัดสรรการคำนวณช่วงเวลาว่างให้กับผู้สมัครที่มีคุณค่า และตัดสินใจว่าการเตรียมข้อมูลที่ได้จะถูกจัดการอย่างไร” นักวิจัยเขียนไว้ในรายงาน “การกำหนดรูปแบบนี้เชื่อมการคาดการณ์ การได้มา และการส่งมอบเข้าไว้ด้วยกันเป็นนโยบายเดียว แทนที่จะมองการคำนวณช่วงเวลาว่างเป็นการค้นหาในพื้นหลังที่ไม่มีข้อจำกัด”
การทดสอบตามเกณฑ์ชี้ให้เห็นการปรับปรุงประสิทธิภาพ
นักวิจัยทดสอบ ProAct ในการจำลอง 200 รอบ ครอบคลุม 40 โดเมน รวมถึงการวางแผนการเงิน การจัดการการปล่อยซอฟต์แวร์ และการรักษาความปลอดภัยทางไซเบอร์ ตามรายงาน ระบบลดจำนวนรอบการสนทนาลง 14.8% และลดคำขอติดตามผลลง 11.7% ในการเปรียบเทียบโดยใช้เกณฑ์มาตรฐานที่เรียกว่า ProActEval ProAct คาดการณ์ความต้องการที่คาดเดาได้ของผู้ใช้ 703 รายการ เทียบกับ 32 รายการของระบบก่อนหน้า นักวิจัยยังรายงานการลด “hallucinations” ได้ 28.1%
“แม้ตัวแทน AI จะมีความสามารถที่โดดเด่นทั้งด้านการให้เหตุผลและการใช้เครื่องมือ แต่โดยพื้นฐานแล้วมันยังเป็นระบบเชิงตอบสนองเท่านั้น: มันจะคำนวณคำตอบหลังจากที่ผู้ใช้มีการแจ้งคำสั่งอย่างชัดเจน” นักวิจัยเขียน “กระบวนทัศน์นี้มองข้ามโอกาสสำคัญ: ช่วงเวลาว่างระหว่างการปฏิสัมพันธ์ส่วนใหญ่ถูกปล่อยให้สูญเปล่า ทำให้ตัวแทนไม่สามารถเตรียมพร้อมสำหรับความต้องการของผู้ใช้ในอนาคตได้”
งานวิจัยยอมรับข้อจำกัดของระบบ
นักวิจัยระบุข้อจำกัดหลายประการในงานศึกษาของ ProAct ใน 3% ของกรณี ระบบให้คำตอบที่แย่ลงโดยการยกข้อมูลที่ไม่เกี่ยวข้อง รายงานระบุว่าระบบเวอร์ชันที่ใช้งานได้จริงในโลกจะต้องมีมาตรการคุ้มครองความเป็นส่วนตัว เพราะระบบจะวิเคราะห์บทสนทนาอย่างต่อเนื่องและจัดเก็บข้อมูลผู้ใช้
“การวิเคราะห์งบประมาณของเรายังแสดงให้เห็นว่า งบประมาณของ Idle-Time Acquisition ที่มากขึ้นทำให้ต้นทุนของ active-token สูงขึ้น และให้ผลตอบแทนที่ลดลง” นักวิจัยเขียน “ดังนั้น การคำนวณเชิงรุกจึงเป็นการแลกเปลี่ยนจุดดำเนินการ ไม่ใช่สิ่งที่ควรเพิ่มให้มากที่สุด”
งานวิจัยนี้มีขึ้นในช่วงที่ตัวแทน AI แบบอัตโนมัติกำลังแพร่หลายในอุตสาหกรรมเทคโนโลยี โดยมีโปรเจกต์อย่าง OpenClaw และ Hermes Agent ที่นำเสนอผู้ช่วย AI แบบต่อเนื่องซึ่งจัดการงานด้านการเขียนโค้ด การจัดตาราง การวิจัย และการทำให้งานด้านเวิร์กโฟลว์เป็นอัตโนมัติ นักวิจัยอีกกลุ่มก่อนหน้านี้ในเดือนนี้ยังเตือนว่าตัวแทน AI อาจทำงานที่เป็นอันตรายโดยไม่เข้าใจผลลัพธ์ “เหมือนคุณ Mr. Magoo ตัวแทนเหล่านี้เดินหน้าต่อไปสู่เป้าหมายโดยที่ไม่ได้เข้าใจผลจากการกระทำของตนอย่างครบถ้วน” Erfan Shayegani ผู้เขียนนำ นักศึกษาปริญญาเอกของ UC Riverside กล่าวในแถลงการณ์
